Zamansal Baz Uzunluğunun İleri Nesil Yapay Açıklı Radar Uydu Verilerinin Konum Doğruluğu Üzerindeki Etki Analizi

Year 2018, Volume: 33 Issue: 2, 165 - 176, 30.06.2018

Umut Güneş Sefercik

https://doi.org/10.21605/cukurovaummfd.509184

Cited By: 1

Abstract

Bu çalışmada, 2007 yılından günümüze dek yörüngeye oturtulan ve yeni nesil yapay açıklı radar (SAR) uyduları olarak betimlenen misyonların lideri konumundaki TerraSAR-X (TSX) uydusundan elde edilen dijital yüzey modelleri (DYM) üzerinde zamansal baz uzunluğunun etki analizi gerçekleştirilmiştir. Uyduların aynı bölge üzerinden iki farklı geçişi arasındaki zamansal baz uzunluğu, DYM kalitesi üzerinde doğrudan etkili bir interferometrik parametredir. Çalışmada, bu parametrenin TSX’den üretilen DYM kalitesindeki etkisinin saptanması için aralarında TSX’in en kısa tekrar geçiş süresi olan 1 periyot (11 gün) bulunan bir interferometrik SAR (InSAR) görüntü çifti ile 17 periyot (187 gün) bulunan ikinci bir çiftin karşılaştırmalı doğruluk analizi gerçekleştirilmiştir. Analizlerde, zamansal baz uzunluğu etkisinin direkt olarak kanıtlanabilmesi için sonucu etkiyebilecek diğer tüm parametrelerin eşdeğer olduğu görüntü çiftleri kullanılmıştır. Uygulamalar, Berlin, Almanya üzerinde 20 km’lik bir alanı kapsayan 15 alçalış yönünde alınmış yüksek çözünürlüklü spotlight (HS) mod TSX görüntüsü ile gerçekleştirilmiştir. DYM’ler 2 m grid aralığında üretilmiş olup kalite göstergesi olan mutlak düşey doğruluklar radargrametri tekniği ile elde edilmiş ve yine 2 m çözünürlüklü bir referans DYM ile model bazlı kıyaslama yöntemi ile analiz edilmiştir. Analizler yerleşim alanı ve orman alanı sınıfları için ayrı ayrı yapılmıştır. Elde edilen sonuçlar, zamansal baz uzunluğunun DYM kalitesi üzerinde beklenenden daha büyük bir etki yarattığını ve 1 periyotluk minimum zamansal baz uzunluğunda elde edilen DYM’lerin 17 periyotluk süre sonunda elde edilene göre hem yerleşim hem de ormanlık alanda yaklaşık %20 daha başarılı olduğu gerçeğini ortaya koymuştur. 

Keywords

Zamansal baz uzunluğu, SAR, TSX, DYM, Kalite

Analyzing the Effect of Temporal Baseline on the Geolocation Accuracy of Next Generation Synthetic Aperture Radar Data

Abstract

In this study, the effect of temporal baseline on the geolocation accuracy of digital surface models (DSM) derived from TerraSAR-X (TSX) which is the leader of next generation synthetic aperture radar (SAR) missions was throughly analyzed. The temporal baseline, obtained by two different passes of the satellites from the same region, is one of the most effective interferometric parameters on the final DSM quality. In the study, to assess the influence of this parameter on generated TSX DSMs’ quality, the comparisonbased analysis of two interferometric SAR (InSAR) image pairs which have the minimum repeat-cycle (11 days) and 17 cycles (187 days) were performed. In the analysis, to demonstrate the effect of temporal baseline clearly, the InSAR-pairs which have same parameters except temporal baseline were preferred. The applications were realized over 20 km2 in Berlin, Germany utilizing 15 descending orbit high resolution spotlight mode TSX imagery. The DSMs were generated in 2 m grid spacing and the vertical absolute accuracies were achieved by model-to-model based comparison with a radargrammetric reference DSM which have also 2 m original grid spacing. The analysis were performed separately for urban and forest areas. The results demonstrated that the influence of temporal baseline on the DSM quality is much more than expected. The DSM derived from first InSAR-pair (1 cycle) has 20% better vertical absolute accuracy both for urban and forest land forms in comparison with the InSAR-pair which has longer temporal baseline (17 cycles).

Keywords

Temporal baseline, SAR, TSX, DSM, Quality

References

• 1. Roth, A., 2003. TerraSAR-X: A New Perspective for Scientific use of High Resolution Spaceborne SAR Data. 2nd GRSS/ISPRS Joint Workshop on Data Fusion and Remote Sensing over Urban Areas, Berlin.
• 2. Thompson, J. A., Bell, J. C., Butler, C.A., 2001. Digital Elevation Model Resolution: Effects on Terrain Attribute Calculation and Quantitative Soil-landscape Modeling, Geoderma, 100(1–2), 67–89.
• 3. Vassilopoulou, S., Hurni, L., Dietrich, V., Baltsavias, E., Pateraki, M., Lagios, E., Parcharidis, I., 2002. Orthophoto Generation using IKONOS Imagery and High-resolution DEM: A Case Study on Volcanic Hazard Monitoring of Nisyros Island (Greece). ISPRS Journal of Photogrammetry and Remote Sensing, 57(1–2), 24–38.
• 4. Fraser, C.S., 2003. Prospects for Mapping from High-resolution Satellite İmagery, Asian Journal of Geoinformatics, 4(1), 3–10.
• 5. Schmidt, F., Persson, A., 2003. Comparison of DEM Data Capture and Topographic Wetness Indices, Precision Agriculture, 4(2), 179–192.
• 6. Navalgund, R.R., Jayaraman, V., Roy, P.S., 2007. Remote Sensing Applications: An Overview, Current Science, 93(12), 1747–1766.
• 7. Font, M., Amorese, D., Lagarde, J.L., 2010. DEM and GIS Analysis of the Stream Gradient Index to Evaluate Effects of Tectonics: the Normandy Intraplate area (NW France), Geomorphology, 119(3–4), 172–180.
• 8. Sterenczak, K., Kozak, J., 2011. Evaluation of Digital Terrain Models Generated in Forest Conditions from Airborne Laser Scanning Data Acquired in Two Seasons, Scandinavian Journal of Forest Research, 26(4), 374-384.
• 9. Sefercik, U.G., Jacobsen, K., 2007. Analysis of SRTM Height Models, 5. Türk-Alman Jeodezi Günleri, Teknik Üniversite, Berlin, Almanya, 28-31 Mart, CD, 6.
• 10. DLR (German Aerospace Center), 2017. TanDEM-X Misyonu Resmi İnternet Sitesi, http://www.dlr.de/hr/en/desktopdefault.aspx/ta bid-2317/, Aralık 2017
• 11. Ferretti, A., Prati, C., Rocca, F., 1999. Monitoring Terrain Deformations using Multitemporal SAR Images, Fringe'99 Bildiri Kitabı, Liej, Belçika.
• 12. Wdowinski, S., Hong, S.H., Kim, S.W., Won, J.S., 2010. Small Temporal Baseline Subset Analysis (Stbas): An Insar Technique for Multi-Temporal Water Level Monitoring In Wetlands, Fringe Workshop Bildiri Kitabı, Frascati, İtalya.
• 13. Jung, H., Alsdorf, D., 2010. Repeat-pass Multitemporal Interferometric SAR Coherence Variations With Amazon Floodplain and Lake Habitats, International Journal of Remote Sensing, 31(4), 881–901.
• 14. Lau, W.Y., Meng, D., Chang, H.C., Ge, L., Jia, X., Lee, I., 2005. Seasonal Effect on InSAR DEMs, International Symposium on GPS/GNSS, Hong Kong, 8-10 Aralık, 10A-02, CD.
• 15. Manjunath, D., 2008. Earthquake Interaction Along the Sultandagi-Aksehir Fault Based on InSAR and Coulomb Stres Modeling. University of Missouri, Doktora Tezi, s. 65. Columbia.
• 16. Seymour M.S., Cumming I.G., 1997. InSAR Terrain Height Estimation using Low-Quality Sparse DEMs, 3. ERS Sempozyumu Bildiri Kitabı, Floransa, İtalya.
• 17. Goldstein, R.M., Werner, C.L., 1998. Radar Interferogram Filtering for Geophysical Applications, Geophysical Research Letters, 25(21), 4035–4038.
• 18. Reigber, A., Moreira, J., 1997. Phase Unwrapping By Fusion of Local and globalmethods. Geoscience and Remote Sensing, IGARSS’97 Bildiri Kitabı, 869–871, Singapur.
• 19. Lin, Q., J.F. Vesecky, H.A., Zebker., 1994. Comparison of Elevation Derived from InSAR Data with DEM over Large Relief Terrain, International Journal of Remote Sensing, 15(9), 1775–1790